Содержание
- 2. Основаны на конкурентном обучении. Отдельные нейроны выходного слоя соревнуются за право активации, в результате активным оказывается
- 3. Характеризуются формированием топографических карт (topographic mар) входных образов, в которых пространственное местоположение (т.е. координаты) нейронов решетки
- 4. Двумерная решетка
- 5. Все нейроны этой решетки связаны со всеми узлами входного слоя. Эта сеть имеет структуру прямого распространения
- 6. Алгоритм, ответственный за формирование самоорганизующихся карт, начинается с инициализации синаптических весов сети. Обычно это происходит с
- 7. Конкуренция (competition). Для каждого входного образа нейроны сети вычисляют относительные значения дискриминантной функции. Эта функция является
- 8. - входной вектор - вектор синаптических весов l – общее количество нейронов сети Для того чтобы
- 9. При этом предполагается, что ко всем нейронам применяется некоторое значение насыщения (threshold). Эта величина равна порогу
- 10. Если использовать индекс i(x) ДЛЯ идентификации того нейрона, который лучше всего соответствует входному сигналу х, то
- 11. Нейрон-победитель находится в центре топологической окрестности сотрудничающих нейронов. возбужденный нейрон всегда пытается возбудить пространственно близкие к
- 12. hj,i - топологическая окрестность (topological neighbourhood) с центром в победившем нейроне i, состоящую из множества возбуждаемых
- 13. Параметр σ называют эффективной шириной (effective width) топологической окрестности. Этот параметр определяет уровень, до которого нейроны
- 14. σ0 начальное значение величины σ, τ1 – некоторая временная константа При увеличении количества итераций n ширина
- 15. η – параметр скорости обучения (=0,01) для данного вектора синаптических весов Wj(n) в момент времени n
- 16. τ2 – некоторая временная константа η0 – некоторое начальное значение Рекомендуемые значения: τ2 = 1000 η0
- 18. Скачать презентацию